Con el objetivo de caracterizar encastes y/o líneas de la raza bovina de Lidia (Bos taurus) utilizando la información de caracteres fanerópticos y morfológicos, y analizar el patrón de distribución de la variabilidad fenotípica, así como su capacidad discriminante, se han aplicado herramientas estadísticas multivariantes a un registro de información generado a partir de un total de 1.529 toros y 1.672 vacas la raza de Lidia procedentes de 78 ganaderías de la R.U.C.T.L., que se clasificaron en 29 encastes según su origen genético. Los datos analizados tienen su origen en las puntuaciones asignadas a los animales para un conjunto de fenotipos (40 caracteres en toros y 35 en vacas) que se agruparon por regiones corporales: cabeza, cuello, cuernos, tronco, grupa, extremidades y cuerpo. Como resultado de un Análisis de Componentes Principales se obtuvieron las correlaciones biológicas existentes entre las diferentes variables, en las que destacaron las variables relacionadas con las dimensiones corporales, las extremidades, el tronco y la grupa, asumiendo más de un tercio de la variabilidad global. Estos resultados se confirmaron al realizar un Análisis de Correspondencia, mediante el que también se representó la distribución de los diferentes encastes en un plano bidimensional. El Análisis Discriminante nos permitió observar una elevada probabilidad de asignación de ejemplares anónimos a su verdadero encaste. Por otra parte, al analizar la distribución de la variabilidad fenotípica entre y dentro de encastes, estimamos que aproximadamente el 21% de esta se debe a la diferencia entre encastes, resultado similar al obtenido utilizando información molecular. Además, se obtuvieron las distancias entre parejas de encastes, y la distancia promedio de cada encaste respecto al resto mediante la distancia de Mahalanobis y el estadístico FST, observándose una elevada correlación lineal entre ellas. En términos generales no hay discrepancias significativas entre los resultados de ambos sexos.
ABSTRACT
With the aim of characterising encastes and/or lines of the Lidia breed of cattle (Bos taurus) using the information of phaneroptic and morphological characters, and to analyse the distribution pattern of the phenotypic variability, as well as its discriminant capacity, multivariate statistical tools have been applied to a record of information generated from a total of 1,529 bulls and 1,672 cows of the Lidia breed from 78 herds of the R.U.C.T.L., which were classified into 29 encastes according to their genetic origin. The data analysed originated from the scores assigned to the animals for a set of phenotypes (40 traits in bulls and 35 in cows) which were grouped by body regions: head, neck, horns, trunk, rump, limbs and body. As a result of a Principal Component Analysis, the existing biological correlations between the different variables were obtained, in which the variables related to body dimensions, limbs, trunk and rump stood out, accounting for more than a third of the global variability. These results were confirmed when a Correspondence Analysis was carried out, which also represented the distribution of the different fillings in a two-dimensional plane. The Discriminant Analysis allowed us to observe a high probability of assigning anonymous specimens to their true breed. On the other hand, when analysing the distribution of phenotypic variability between and within breeds, we estimated that approximately 21% of this variability is due to the difference between breeds, a result similar to that obtained using molecular information. In addition, the distances between pairs of breedings were obtained, and the average distance of each breeding with respect to the rest by means of the Mahalanobis distance and the FST statistic, showing a high linear correlation between them. In general terms, there are no significant discrepancies between the results of both sexes.
Con el objetivo de caracterizar encastes y/o líneas de la raza bovina de Lidia (Bos taurus) utilizando la información de caracteres fanerópticos y morfológicos, y analizar el patrón de distribución de la variabilidad fenotípica, así como su capacidad discriminante, se han aplicado herramientas estadísticas multivariantes a un registro de información generado a partir de un total de 1.529 toros y 1.672 vacas la raza de Lidia procedentes de 78 ganaderías de la R.U.C.T.L., que se clasificaron en 29 encastes según su origen genético. Los datos analizados tienen su origen en las puntuaciones asignadas a los animales para un conjunto de fenotipos (40 caracteres en toros y 35 en vacas) que se agruparon por regiones corporales: cabeza, cuello, cuernos, tronco, grupa, extremidades y cuerpo. Como resultado de un Análisis de Componentes Principales se obtuvieron las correlaciones biológicas existentes entre las diferentes variables, en las que destacaron las variables relacionadas con las dimensiones corporales, las extremidades, el tronco y la grupa, asumiendo más de un tercio de la variabilidad global. Estos resultados se confirmaron al realizar un Análisis de Correspondencia, mediante el que también se representó la distribución de los diferentes encastes en un plano bidimensional. El Análisis Discriminante nos permitió observar una elevada probabilidad de asignación de ejemplares anónimos a su verdadero encaste. Por otra parte, al analizar la distribución de la variabilidad fenotípica entre y dentro de encastes, estimamos que aproximadamente el 21% de esta se debe a la diferencia entre encastes, resultado similar al obtenido utilizando información molecular. Además, se obtuvieron las distancias entre parejas de encastes, y la distancia promedio de cada encaste respecto al resto mediante la distancia de Mahalanobis y el estadístico FST, observándose una elevada correlación lineal entre ellas. En términos generales no hay discrepancias significativas entre los resultados de ambos sexos.
ABSTRACT
With the aim of characterising encastes and/or lines of the Lidia breed of cattle (Bos taurus) using the information of phaneroptic and morphological characters, and to analyse the distribution pattern of the phenotypic variability, as well as its discriminant capacity, multivariate statistical tools have been applied to a record of information generated from a total of 1,529 bulls and 1,672 cows of the Lidia breed from 78 herds of the R.U.C.T.L., which were classified into 29 encastes according to their genetic origin. The data analysed originated from the scores assigned to the animals for a set of phenotypes (40 traits in bulls and 35 in cows) which were grouped by body regions: head, neck, horns, trunk, rump, limbs and body. As a result of a Principal Component Analysis, the existing biological correlations between the different variables were obtained, in which the variables related to body dimensions, limbs, trunk and rump stood out, accounting for more than a third of the global variability. These results were confirmed when a Correspondence Analysis was carried out, which also represented the distribution of the different fillings in a two-dimensional plane. The Discriminant Analysis allowed us to observe a high probability of assigning anonymous specimens to their true breed. On the other hand, when analysing the distribution of phenotypic variability between and within breeds, we estimated that approximately 21% of this variability is due to the difference between breeds, a result similar to that obtained using molecular information. In addition, the distances between pairs of breedings were obtained, and the average distance of each breeding with respect to the rest by means of the Mahalanobis distance and the FST statistic, showing a high linear correlation between them. In general terms, there are no significant discrepancies between the results of both sexes. Read More
Related posts:
Print Grades Prime: A quantitative analysis of producer communication preferences of U.S. beef breed association magazines through the lenses of uses, gratifications, and gatekeeping
Transformation of quinoa seeds to nanoscale flour by ball milling: Influence of ball diameter and milling time on the particle sizing, microstructure, and rheology
Best-of-Breed Tech Approach Unlocks Innovation Possibilities
Field-scale digital mapping of top- and subsoil Chernozem properties
Machine learning approach for satellite-based subfield canola yield prediction using floral phenology metrics and soil parameters
Determination of Air Traffic Complexity Most Influential Parameters Based on Machine Learning Models